嵌入双引号的CSV解析

Question

我编写了一个简单的CSV文件解析器。但是在查看CSV格式的Wiki页面后，我注意到基本格式有一些“扩展”。通过双引号专门嵌入逗号。我设法解析了这些，但是还有第二个问题：嵌入式双引号。

例：

12345，“ ABC，”“ IJK”“ XYZ”-> [1234]和[ABC，“ IJK” XYZ]

我似乎找不到正确的方法来区分封闭的双引号和无双引号。所以我的问题是解析CVS格式（例如上述格式）的正确方法/算法是什么？

Answer 1

我通常认为的方式基本上是将带引号的值视为单个，不带引号的值或双引号的值的序列，这些值形成用引号连接的值。那是，

• 解析行中的下一个原子：
  • 读取第一个非空白字符
  • 如果当前字符不是引号：
    • 标记当前位置
    • 阅读下一个逗号或换行符
    • 在逗号前返回标记和字符之间的文本（如果需要，带空格）
  • 如果当前字符是引号：
    • 创建一个空的字符串缓冲区
    • 而当前字符不是引号
      • 标记当前位置+1（跳过引号字符）
      • 阅读下一个报价
      • 如果缓冲区不为空，请在其后附加引号
      • 将当前位置之前的标记和字符之间的文本追加到缓冲区中（以去除两个引号）
      • 前进一个字符（粘贴刚读的引号）
    • 阅读下一个逗号或换行符
    • 返回缓冲区

本质上，分割带引号的字符串的每个双引号段，然后将它们与引号一起分类。因此："ABC, ""IJK"" XYZ"变ABC, ，IJK， XYZ，这反过来又成为ABC, "IJK" XYZ